為了減少和消除煙草危害,保障公眾健康,我國(guó)多地發(fā)布控制吸煙條例,規(guī)定室內(nèi)公共場(chǎng)所全面禁止吸煙,并明確了室外禁止吸煙的公共場(chǎng)所范圍,擴(kuò)大禁煙范圍是大勢(shì)所趨。與人工監(jiān)督方法和傳統(tǒng)傳感器煙霧報(bào)警相比,基于計(jì)算機(jī)視覺(jué)的吸煙行為檢測(cè)系統(tǒng)具有監(jiān)控范圍廣、監(jiān)控資源利用率高、自動(dòng)定位吸煙者并發(fā)出警報(bào)等優(yōu)點(diǎn)。本文結(jié)合公共場(chǎng)所和香煙自身特點(diǎn),研究基于人臉?lè)治龅囊曨l吸煙行為檢測(cè)算法并實(shí)現(xiàn)系統(tǒng)在嵌入式平臺(tái)Xavier上的部署。主要工作如下:（1）提出針對(duì)公共場(chǎng)所吸煙者的改進(jìn)的MTCNN人臉檢測(cè)算法。從傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)兩方面對(duì)人臉檢測(cè)算法進(jìn)行比較分析,闡述了基于Haar-Adaboost的人臉檢測(cè)算法的局限性。針對(duì)公共場(chǎng)所吸煙者的人臉特性,提出了引入錨點(diǎn)（Anchor）的改進(jìn)的MTCNN算法,能夠檢測(cè)小或極小尺寸的人臉,同時(shí)使用稀疏金字塔處理較大尺度人臉,減小網(wǎng)絡(luò)前向計(jì)算量。所提算法在WIDER_FACE測(cè)試集人臉檢測(cè)速度和平均精度上有較明顯的提升,保證了算法的實(shí)時(shí)性和有效性。（2）提出基于人臉?lè)治龅奈鼰熜袨闄z測(cè)算法。在改進(jìn)的MTCNN算法人臉框坐標(biāo)回歸的基礎(chǔ)上確定嘴部區(qū)域定位規(guī)則,比... 

【文章來(lái)源】：燕山大學(xué)河北省

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

人臉?lè)诸?lèi)器原理

第2章吸煙行為檢測(cè)相關(guān)理論分析7通常傳統(tǒng)的人臉檢測(cè)算法主要是用大量的人臉和非人臉樣本圖像進(jìn)行訓(xùn)練，通過(guò)學(xué)習(xí)到的人臉特征構(gòu)建人臉二分類(lèi)器，也叫做人臉檢測(cè)模板。以對(duì)圖像以固定尺度的窗口從左向右從上至下滑動(dòng)的方式判斷滑窗里是否是人臉，即為滑動(dòng)窗口技術(shù)。人臉?lè)诸?lèi)器的原理如圖2-1所示。由于人臉大小不固定且采集圖像分辨率不同，為了解決普通滑窗技術(shù)只能檢測(cè)單一尺寸人臉圖像的問(wèn)題，通過(guò)引入圖像金字塔[15]，對(duì)目標(biāo)圖像進(jìn)行多尺度表達(dá)，從而在提取圖像特征時(shí)，實(shí)現(xiàn)多尺度的滑窗掃描。常見(jiàn)的金字塔有拉普拉斯金字塔，高斯金字塔等，通過(guò)對(duì)原始圖像進(jìn)行上采樣或者下采樣操作來(lái)構(gòu)建多分辨率的圖像金字塔，隨著層級(jí)越高，圖像就會(huì)越小，分辨率也會(huì)越低[16]。圖像金字塔示意圖如圖2-2所示。圖2-2圖像金字塔示意圖基于傳統(tǒng)機(jī)器學(xué)習(xí)方法構(gòu)建人臉檢測(cè)模型主要包括兩部分：(1)人臉特征提��；(2)人臉?lè)诸?lèi)器的構(gòu)建。我們一般用最具區(qū)分性和獨(dú)立性的圖像特征來(lái)描述待檢測(cè)圖像內(nèi)容，在從原始圖像數(shù)據(jù)中提取最有助于分類(lèi)的特征的同時(shí)，也會(huì)很大程度上降低樣本的維數(shù)。常用的人臉檢測(cè)特征有局部二值模式(LocalBinaryPattern，LBP)特征[17]、Haar-like特征[18]，特征示意圖如圖2-3、2-4所示。圖2-3LBP特征示意圖

第2章吸煙行為檢測(cè)相關(guān)理論分析7通常傳統(tǒng)的人臉檢測(cè)算法主要是用大量的人臉和非人臉樣本圖像進(jìn)行訓(xùn)練，通過(guò)學(xué)習(xí)到的人臉特征構(gòu)建人臉二分類(lèi)器，也叫做人臉檢測(cè)模板。以對(duì)圖像以固定尺度的窗口從左向右從上至下滑動(dòng)的方式判斷滑窗里是否是人臉，即為滑動(dòng)窗口技術(shù)。人臉?lè)诸?lèi)器的原理如圖2-1所示。由于人臉大小不固定且采集圖像分辨率不同，為了解決普通滑窗技術(shù)只能檢測(cè)單一尺寸人臉圖像的問(wèn)題，通過(guò)引入圖像金字塔[15]，對(duì)目標(biāo)圖像進(jìn)行多尺度表達(dá)，從而在提取圖像特征時(shí)，實(shí)現(xiàn)多尺度的滑窗掃描。常見(jiàn)的金字塔有拉普拉斯金字塔，高斯金字塔等，通過(guò)對(duì)原始圖像進(jìn)行上采樣或者下采樣操作來(lái)構(gòu)建多分辨率的圖像金字塔，隨著層級(jí)越高，圖像就會(huì)越小，分辨率也會(huì)越低[16]。圖像金字塔示意圖如圖2-2所示。圖2-2圖像金字塔示意圖基于傳統(tǒng)機(jī)器學(xué)習(xí)方法構(gòu)建人臉檢測(cè)模型主要包括兩部分：(1)人臉特征提��；(2)人臉?lè)诸?lèi)器的構(gòu)建。我們一般用最具區(qū)分性和獨(dú)立性的圖像特征來(lái)描述待檢測(cè)圖像內(nèi)容，在從原始圖像數(shù)據(jù)中提取最有助于分類(lèi)的特征的同時(shí)，也會(huì)很大程度上降低樣本的維數(shù)。常用的人臉檢測(cè)特征有局部二值模式(LocalBinaryPattern，LBP)特征[17]、Haar-like特征[18]，特征示意圖如圖2-3、2-4所示。圖2-3LBP特征示意圖

【參考文獻(xiàn)】：
期刊論文
[1]激活函數(shù)在卷積神經(jīng)網(wǎng)絡(luò)中的對(duì)比研究[J]. 田娟,李英祥,李彤巖.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(07)
[2]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[3]不同池化模型的卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)性能研究[J]. 劉萬(wàn)軍,梁雪劍,曲海成.  中國(guó)圖象圖形學(xué)報(bào). 2016(09)
[4]吸煙危害健康,遠(yuǎn)離吸煙[J].   中國(guó)職業(yè)醫(yī)學(xué). 2016(04)
[5]深度學(xué)習(xí)的昨天、今天和明天[J]. 余凱,賈磊,陳雨強(qiáng),徐偉.  計(jì)算機(jī)研究與發(fā)展. 2013(09)
[6]基于統(tǒng)計(jì)的人臉檢測(cè)方法研究[J]. 張明慧,張明超,張堯禹.  電腦編程技巧與維護(hù). 2012(18)
[7]SVM分類(lèi)核函數(shù)及參數(shù)選擇比較[J]. 奉國(guó)和.  計(jì)算機(jī)工程與應(yīng)用. 2011(03)
[8]人臉檢測(cè)研究綜述[J]. 梁路宏,艾海舟,徐光祐,張鈸.  計(jì)算機(jī)學(xué)報(bào). 2002(05)

博士論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像分類(lèi)方法研究及應(yīng)用[D]. 高震宇.中國(guó)科學(xué)技術(shù)大學(xué) 2018

碩士論文
[1]基于多特征融合的室內(nèi)吸煙煙霧識(shí)別算法研究[D]. 劉遠(yuǎn)丁.燕山大學(xué) 2018
[2]基于視頻監(jiān)控的室內(nèi)香煙煙霧檢測(cè)算法研究[D]. 艾博.燕山大學(xué) 2016
[3]基于煙霧多特征的吸煙行為識(shí)別算法研究[D]. 蘇翔宇.燕山大學(xué) 2014
[4]基于視頻煙霧的吸煙行為識(shí)別與研究[D]. 丁宏杰.燕山大學(xué) 2013
[5]針對(duì)吸煙行為的手勢(shì)識(shí)別算法研究[D]. 王超.燕山大學(xué) 2013



本文編號(hào)：2963491